热图上 FN 和 FP 之间的混淆矩阵混淆
confusion matrix confusion between FN & FP on the heatmap
我正尝试在 python 上使用机器学习解决分类问题。该主题是关于使用信用数据集来预测一个人的信用是好是坏。当一个人有良好的信用时则为 0，如果不是则为 1。我用 LR 创建了一个混淆矩阵。我不确定 13 是 FN 还是 FP。有人能帮我澄清一下吗？
这个他混淆矩阵
将 0 作为正数有点奇怪 class。无论如何，你需要翻转你的混淆矩阵。假设您的测试和预测是这样的
y_test = np.repeat([0,1,0,1],[128,34,13,25])
y_pred = np.repeat([0,0,1,1],[128,34,13,25])
我们总是做预测，实际：
from sklearn.metrics import confusion_matrix
import seaborn as sns
cfm = confusion_matrix(y_pred,y_test)
sns.heatmap(cfm,annot=True,cmap="Blues")
所以在这种情况下，我们继续将零作为正数 class 这与您在 wiki for confusion matrix:
中的图表完全一样
右上角是假阳性 (34)，左下角是假阴性。
我正尝试在 python 上使用机器学习解决分类问题。该主题是关于使用信用数据集来预测一个人的信用是好是坏。当一个人有良好的信用时则为 0，如果不是则为 1。我用 LR 创建了一个混淆矩阵。我不确定 13 是 FN 还是 FP。有人能帮我澄清一下吗？ 这个他混淆矩阵
将 0 作为正数有点奇怪 class。无论如何，你需要翻转你的混淆矩阵。假设您的测试和预测是这样的
y_test = np.repeat([0,1,0,1],[128,34,13,25])
y_pred = np.repeat([0,0,1,1],[128,34,13,25])
我们总是做预测，实际：
from sklearn.metrics import confusion_matrix
import seaborn as sns
cfm = confusion_matrix(y_pred,y_test)
sns.heatmap(cfm,annot=True,cmap="Blues")
所以在这种情况下，我们继续将零作为正数 class 这与您在 wiki for confusion matrix:
中的图表完全一样右上角是假阳性 (34)，左下角是假阴性。